【技术实现步骤摘要】
本专利技术属于病害图像数据自动识别，具体涉及一种c/s和b/s融合架构的路面病害图像自动识别方法。
技术介绍
1、随着公路里程的不断增加，对公路进行养护的需求相应增加。具体的，需要采集公路路面图像数据，再采用路面病害识别软件对公路路面图像数据中的路面病害进行识别，最终根据路面病害情况，对公路技术状况进行评定检测，包括公路路面平整度、路面损坏、路面车辙、路面跳车、路面抗滑性能、路面结构强度等指标进行检测评定。
2、现有技术中，各种路面病害识别软件仅支持输入特定格式的路面图像数据，并且，对路面病害识别的效率较低，从而无法满足使用需求。
技术实现思路
1、针对现有技术存在的缺陷，本专利技术提供一种c/s和b/s融合架构的路面病害图像自动识别方法，可有效解决上述问题。
2、本专利技术采用的技术方案如下：
3、本专利技术提供一种c/s和b/s融合架构的路面病害图像自动识别方法，包括以下步骤：
4、步骤s1，构建c/s架构的路面病害图像自动识别系统和b/s架构的minio机器学习平台；所述路面病害图像自动识别系统和所述minio机器学习平台关联相同的路面病害识别模型；
5、步骤s2，所述c/s架构的路面病害图像自动识别系统加载路面检测设备采集的路面病害原始文件，通过所述路面病害识别模型对所述路面病害原始文件进行路面病害识别，得到路面病害识别结果；
6、步骤s3，判断所述路面病害识别结果是否正确，如果正确，则输出本次的路面病
7、步骤s4，将所述更正后的路面病害识别结果提交给所述minio机器学习平台；
8、步骤s5，所述minio机器学习平台将所述更正后的路面病害识别结果作为训练样本，对所述路面病害识别模型进行循环训练，得到训练后更新的路面病害识别模型；
9、步骤s6，所述c/s架构的路面病害图像自动识别系统加载路面检测设备采集的新的路面病害原始文件，通过所述训练后更新的路面病害识别模型对所述新的路面病害原始文件进行路面病害识别，由此不断循环，实现路面病害图像自动识别。
10、优选的，所述c/s架构的路面病害图像自动识别系统加载路面检测设备采集的路面病害原始文件时，所述路面病害原始文件中存储各种格式的路面病害数据。
11、优选的，所述路面病害原始文件为视频文件或图像文件。
12、优选的，步骤s5具体为：
13、步骤s5.1，将所述更正后的路面病害识别结果传输给所述路面病害识别模型；
14、步骤s5.2，所述路面病害识别模型通过主干网络对所述更正后的路面病害识别结果进行特征提取，得到不同比例的特征图；
15、步骤s5.3，所述路面病害识别模型通过空间金字塔池化子模块spp，聚合不同比例的特征图，得到全局特征信息；
16、步骤s5.4，所述路面病害识别模型采用自适应缩放比例子模块asff，调整步骤s5.2得到的不同比例的特征图的缩放比例,再进行特征融合，得到特征融合信息；
17、步骤s5.5，所述路面病害识别模型采用路径聚合网络panet，聚合步骤s5.3得到的所述全局特征信息和步骤s5.4得到的所述特征融合信息，得到路径聚合特征信息；
18、步骤s5.6，所述路面病害识别模型具有三个预测头,分别对步骤s5.3输出的全局特征信息进行病害目标预测，得到第一检测框和第一置信度；对步骤s5.4输出的特征融合信息进行病害目标预测，得到第二检测框和第二置信度；对步骤s5.5输出的路径聚合特征信息进行病害目标预测，得到第三检测框和第三置信度；
19、步骤s5.7，对第一检测框、第一置信度、第二检测框、第二置信度、第三检测框和第三置信度进行融合,去除冗余检测框和低置信度的检测框，得到筛选后的多个检测框以及每个检测框的置信度；
20、步骤s5.8，过滤步骤s5.7得到的重叠度高的检测框，输出最终的检测框以及每个检测框的置信度；
21、步骤s5.9，根据预测得到的每个检测框的置信度，调整所述路面病害识别模型的模型参数，从而循环对所述路面病害识别模型进行训练。
22、本专利技术提供的c/s和b/s融合架构的路面病害图像自动识别方法具有以下优点：
23、本专利技术将c/s和b/s架构进行融合，在c/s架构进行路面病害识别，在b/s架构进行路面病害识别模型的训练，从而可提高路面病害识别效率和准确率。
本文档来自技高网...【技术保护点】
1.一种C/S和B/S融合架构的路面病害图像自动识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的C/S和B/S融合架构的路面病害图像自动识别方法，其特征在于，所述C/S架构的路面病害图像自动识别系统加载路面检测设备采集的路面病害原始文件时，所述路面病害原始文件中存储各种格式的路面病害数据。
3.根据权利要求1所述的C/S和B/S融合架构的路面病害图像自动识别方法，其特征在于，所述路面病害原始文件为视频文件或图像文件。
4.根据权利要求1所述的C/S和B/S融合架构的路面病害图像自动识别方法，其特征在于，步骤S5具体为：
【技术特征摘要】
1.一种c/s和b/s融合架构的路面病害图像自动识别方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的c/s和b/s融合架构的路面病害图像自动识别方法，其特征在于，所述c/s架构的路面病害图像自动识别系统加载路面检测设备采集的路面病害原始文件时，所述路面病害原始文件中...
【专利技术属性】
技术研发人员：张新秀，张建军，张秀梅，乔衡，张志华，寇晓明，脱敏雍，
申请(专利权)人：兰州交通大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。